基於Java的HTML解析器

    最近要做網路資訊的採集，解析HTML是必不可少的，查了下這方面的工具還不少，但是不知道哪個好用，似乎HTMLParser是用的多點的，但是從06年開始就不再更新了，大概是已經滿足HTML 4的解析了吧，收集了幾個看起來不錯的，留著備用。

Java Mozilla Html Parser
能夠將html解析成Java Document對象。它是一個基於Mozilla Html解析器封裝的Html解析類庫。因此能夠為開發人員提供一個瀏覽器品質的HTML解析器。
地址：http://mozillaparser.sourceforge.net/

HtmlCleaner
是一個開源的Html文檔解析器。HtmlCleaner能夠重新排序每個元素然後產生結構良好(Well-Formed)的XML文檔。預設它遵循的規則是類似於大部份web瀏覽器為創文件物件模型所使用的規則。然而，使用者可以提供自訂tag和規則群組來進行過濾和匹配。
地址：http://htmlcleaner.sourceforge.net/

HTML Parser
地址：http://htmlparser.sourceforge.net/

Jsoup

是一款 Java 的HTML 解析器，可直接解析某個URL地址、HTML常值內容。比起之前用的HTMLParser方便很多，而且更輕便。
地址：http://jsoup.org/

-------------------------------------------------------------------------

另外可以從開源中國上找到諸如Jsoup的一些文章，如：http://www.oschina.net/p/jsoup

 本文用菊子曰發布